人工智慧現在得到越來越廣泛的應用,它們可以診斷疾病、駕駛汽車、理解語言,甚至在國際象棋比賽中擊敗人類頂尖高手。那麼現在問題來了,人工智慧經過不斷改進,最終會達到甚至超過人類智慧水平嗎?達到甚至超過人類智慧的機器人會取代人類嗎?
實際上,這個問題一直讓一代又一代的人們揮之不去而且深感不安。就像在斯坦利·庫布里克(Stanley Kubrick)1968年的電影《2001太空漫遊》(2001:A Space Odyssey)當中描述的,一臺令人恐懼的智慧計算機“哈爾”,透過自己平靜的嗓音展現出了一些人類特有的能力:說話、推理、識別人臉、審美、表達情緒。在哈爾得知人類宇航員決定將其關閉時,哈爾將他們逐一殺害。這樣可怕的情景會在未來出現嗎?
英國Mimecast公司首席資料科學家赫伯特·羅埃布萊特(Herbert L. Roitblat)在其《演算法還不夠:建立通用人工智慧》一書中提出看法說:機器智慧的改進不會導致機器主導的革命。它們可能會改變人們從事的工作型別,但不意味著人類生存的終結。機器人不會取代人類。
他為什麼得出這樣的結論?讓我們先把目光投回到2000多年前的西西里島的錫拉庫扎。在那裡,阿基米德正光著屁股泡在澡堂子裡,苦苦思索國王交給他的一道難題。
據說,錫拉庫扎國王希羅二世(公元前 270 至 前215 年)懷疑,他委託放置在一座寺廟雕像頭上的奉獻王冠不是由純金製成的。阿基米德的任務是確定希羅二世是否被騙了。
最開始阿基米德找不到辦法,因為不能將王冠敲碎了檢查。然後有一天他泡澡,當他坐進澡盆裡時,看到水往外溢,突然想到可以用測定固體在水中排水量的辦法,來確定金冠的體積,透過相同質量的純金的體積來確定王冠的真假。
然後,他就興奮地跳出澡盆,連衣服都顧不得穿上就跑了出去,大聲喊著“尤里卡!尤里卡!(我找到了!我找到了!)”
羅埃布萊特將阿基米德的這個故事歸類為洞察力問題,跟人工智慧解決問題的方法完全不同。羅埃布萊特說,我們人類是有創造力的,而且具有非理性的和不一致的特點,這些特質(無論是好是壞)都是機器智慧所不具備的。
一般來說,智力測試和計算機智慧的重點一直放在結構良好和形式化的問題上。也就是說,問題具有明確的目標和一定數量的可能解決方案。洞察力問題通常無法透過像演算法這樣的分步程式來解決。相反,洞察力問題的特徵是求解者解決問題的方法的一種重構。在問題基本上得到解決之前,通常很難確定是否取得了任何進展,然後可能就突然找到了解決方案。
關於人類如何解決洞察力問題,我們知之甚少。在實驗室中深入研究這些問題通常具有挑戰性,因為很難要求人們描述他們解決問題所經歷的步驟。我們都知道,人們並不總是按照邏輯思維所建議的系統方式行事。這些偏差不是人類思維中的小故障或錯誤,而是實現人類智慧的基本特徵。
除了洞察力問題,人類智慧還有非理性的特徵,這種說不上是優點的特點,也讓機器智慧無法超越,是不是有點可笑?
人類似乎通常不會過多關注問題的形式部分,尤其是在做出有風險的選擇時。心理學家阿莫斯·特沃斯基 (Amos Tversky) 和丹尼爾·卡尼曼 (Daniel Kahneman) 發現,人們在面對本質上相同而描述上有差異的選擇時會做出不同的選擇。
他們進行了一項實驗,參與者被要求想象一種新的疾病威脅著這個國家,可能有 600 人死於這種疾病。他們進一步被告知,已經提出了兩個計劃來治療這些人。參與者被分為兩個組,被要求在兩種治療方法之間進行選擇。在第一組中,他們被告知:
72% 的參與者選擇了治療 A。人們認為,確定能挽救 200 人比有可能失去全部 600 人更可取。
第二組參與者被給予相同選擇的不同版本:
在第二組中,22% 的參與者選擇了治療 A。
實際上,從死亡和存活人數來看,治療 A 對兩組來說都是相同的。但換了一種說法之後,人們的選擇就大相徑庭。
上述實驗說明人們的偏好差異是巨大的。第一個版本強調了替代方案的積極方面,第二個版本強調了消極方面。戲劇性地,人們更喜歡積極的版本。
值得注意的是,備選方案 B 在兩種情況下也是相同的。在備選方案 B 下生存的預期人數也是 200,但該備選方案包含不確定性。
實驗表明,當某個結果以積極的語氣構築時,人們更喜歡確定的結果而不是不確定的結果,而當以否定的語氣構築某個特定的結果時,人們更喜歡不確定的選擇。備選方案的框架或基調控制著參與者接受風險的意願。
上述實驗可以說這是人類愚蠢而不是人類智慧的一個例子。但另一方面,這個錯誤可能會告訴我們一些關於我們如何做出決定的重要資訊。正確和錯誤的決定都是由相同的大腦/思想/認知過程產生的。
這些心理現象表明,我們的思維和智力過程具有複雜性,這並不總是對我們有利。我們妄下結論,我們更容易被我們更喜歡的或者以某種方式表述的論點說服。我們有時確實表現得像電腦,但更多時候,我們是馬虎和不一致的,與電腦完全不同。
丹尼爾·卡尼曼將人類思維描述為由兩個系統組成,一個是快速、相對不準確和自動的;另一個是緩慢的、深思熟慮的,當它最終得出結論時,也更準確一些。
計算機智慧專注的工作需要縝密思考的系統,但快速思考的系統可能同樣重要或者更重要,而且對於在計算機中進行模擬可能更具挑戰性。這種快速學習有時可能會導致不恰當的草率概括,但它也可能是一個重要的工具,讓人們可以在沒有大多數機器學習系統所需的大量示例的情況下學習很多東西。
羅埃布萊特總結說,如果機器學習系統所需的只是發揮其分析能力,那麼機器很可能會超過人類解決類似問題的能力。另一方面,如果問題需要發散思維、常識知識或創造力,那麼計算機將在一段時間內繼續落後於人類。
被計算機“深藍”擊敗的國際象棋大師卡斯帕羅夫說,“深藍”的智慧程度跟一臺可程式設計鬧鐘是一樣的。
當然,他也補充說:“但並不是說輸給一臺價值1000萬美元的鬧鐘會讓我感到好過一些。”